Data and Signal Analysis (5cr)

Objectives (course unit)

Opiskelija
- ymmärtää datan, signaalit ja niiden analysoinnin käsitteenä
- ymmärtää erilaisia datan ja signaalien analysontimenetelmiä ja niiden hyötyjä
- osaa käsitellä automaation tuottamaa prosessidataa
- osaa valita sovellettavat analyysimenetelmät
- osaa soveltaa analyysimenetelmiä automaatiossa
- oppii käyttämään vähintään yhtä ohjelmistoa datan ja signaalien analysointiin

Content (course unit)

Prosessidatan käsittely, digitaalinen signaalikäsittely, data-analyysi, automaatio.

Assessment criteria, satisfactory (1-2) (course unit)

Opiskelija hahmottaa datan ja signaalit käsitteenä yksittäisten esimerkkien tai tapausten kautta. Opiskelija tunnistaa joitakin analyysimenetelmiä. Opiskelija ymmärtää datan esikäsittelyn ja tunnistamiensa analyysimenetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden ja osaa soveltaa menetelmiä suppeasti.

Assessment criteria, good (3-4) (course unit)

Opiskelija hahmottaa datan ja signaalit käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa useita analyysimenetelmiä. Opiskelija ymmärtää datan esikäsittelyn ja analyysimenetelmien toimintaperiaatteet, käyttötavan ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä laajasti.

Assessment criteria, excellent (5) (course unit)

Opiskelija hahmottaa datan ja signaalit käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa laajasti analyysimenetelmiä. Opiskelija ymmärtää datan esikäsittelyn ja analyysimenetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä hyvin laajasti. Opiskelija osaa käsitellä dataa tehokkaasti ja tuntee menetelmien teorian.

Location and time

Teaching is as per on the time schedule by Lukkari.

Exam schedules

Exam xxx xx-xxx. cl. xx.00-xx.00 class xx-xx
1st retake xxx xx-xxx. cl. klo xx.00-xx.00 class xx-
2nd retake will be agreed separately, if needed

Training work has to be done with approval.
A failed course can be compensated by passing a new exam.

Assessment methods and criteria

Student performance assessment is based on completed trainign work and a passed exam.

Assessment scale

Pass/Fail

Teaching methods

Theory, exercises, training work, self-learning.
When possible remote lessons, they will be informed in advance.

Learning materials

Lectures, notes made by a student, other referred material by a lecturer.

Student workload

The total working hours for passing the course is ca. 133 hours (5 cr x 1600/60 h/cr) of which a student has to allocate a major part for self-learning.

Content scheduling

The course involves teaching on a regular basis. The more detailed course structure is introduced in the first class and it will be available in the course information on Moodle afterwards.

Completion alternatives

N/A

Practical training and working life cooperation

N/A

International connections

The course involves no travelling abroad.

Further information

For passing the course, learning by doing, home excercises and training work are necessary. Continuous basis and self-learning are emphasized.

Assessment criteria - satisfactory (1-2) (Not in use, Look at the Assessment criteria above)

The student performance is within the limits for the grade 1-2.
(Student performance assessment procedure is introduced in the beginning of the course.)

Assessment criteria - good (3-4) (Not in use, Look at the Assessment criteria above)

The student performance is within the limits for the grade 3-4.
(Student performance assessment procedure is introduced in the beginning of the course.)

Assessment criteria - excellent (5) (Not in use, Look at the Assessment criteria above)

The student performance reaches the highest grade 5.
(Student performance assessment procedure is introduced in the beginning of the course.)